针对单通道语音增强技术对非平稳噪声的跟踪不准确、噪声抑制效果较差的问题，本文提出一种基于在线能量调整的语音增强方法．该方法以归一化临界带能量为特征，采用高斯混合模型对背景噪声进行分类，利用对应类型噪声的自回归隐马尔可夫模型（Auto-Regressive　Hidden　Markov　Model　，AR-HMM　）和纯净语音的AR-HMM　，在最小均方误差准则下估计语音和噪声的功率谱．考虑到非平稳环境中训练集和测试集的差异性，需在线调整语音模型和噪声模型中的能量，语音模型的能量调整采用迭代的期望最大化算法；噪声模型的能量调整则利用的是模型训练过程中的能量重估方法，并以最小值控制的递归平均算法确定噪声能量调整的初始值．在ITU-T　G.160标准下对算法进行性能测试，测试结果表明，本文方法对非平稳噪声的跟踪效果较好，对噪声衰减量较大，收敛时间较短．